論文の概要: A Pre-training Framework for Knowledge Graph Completion

• arxiv url: http://arxiv.org/abs/2302.02614v1
• Date: Mon, 6 Feb 2023 08:23:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 17:24:29.414850
• Title: A Pre-training Framework for Knowledge Graph Completion
• Title（参考訳）: 知識グラフ補完のための事前学習フレームワーク
• Authors: Kuan Xu, Kuo Yang, Hanyang Dong, Xinyan Wang, Xuezhong Zhou
• Abstract要約: 知識グラフ補完のためのシンプルで効果的なネットワークベース事前学習フレームワーク(NetPeace)を提案する。 実験によると、NetPeaceフレームワークでは、複数のKGCモデルがベンチマークにおいて一貫性と大幅な改善をもたらす。
• 参考スコア（独自算出の注目度）: 3.0378875015087567
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge graph completion (KGC) is one of the effective methods to identify new facts in knowledge graph. Except for a few methods based on graph network, most of KGC methods trend to be trained based on independent triples, while are difficult to take a full account of the information of global network connection contained in knowledge network. To address these issues, in this study, we propose a simple and effective Network-based Pre-training framework for knowledge graph completion (termed NetPeace), which takes into account the information of global network connection and local triple relationships in knowledge graph. Experiments show that in NetPeace framework, multiple KGC models yields consistent and significant improvements on benchmarks (e.g., 36.45% Hits@1 and 27.40% MRR improvements for TuckER on FB15k-237), especially dense knowledge graph. On the challenging low-resource task, NetPeace that benefits from the global features of KG achieves higher performance (104.03% MRR and 143.89% Hit@1 improvements at most) than original models.
• Abstract（参考訳）: 知識グラフ補完(KGC)は知識グラフの新しい事実を識別する有効な手法の一つである。 グラフネットワークに基づくいくつかの手法を除いて、KGC手法のほとんどは独立三重項に基づいて訓練される傾向にあるが、知識ネットワークに含まれるグローバルネットワーク接続に関する情報の完全な説明は困難である。 これらの課題に対処するため,本研究では,知識グラフにおけるグローバルネットワーク接続情報と局所的三重関係を考慮した,知識グラフ補完のためのシンプルかつ効果的なネットワークベース事前学習フレームワーク(NetPeace)を提案する。 実験の結果、NetPeaceフレームワークでは、複数のKGCモデルがベンチマークの一貫性と大幅な改善(例えば、FB15k-237上のTuckERの36.45% Hits@1と27.40% MRRの改善)を達成している。 挑戦的な低リソースタスクでは、KGのグローバル機能から恩恵を受けるNetPeaceは、オリジナルモデルよりも高いパフォーマンス(104.03% MRRと143.89%のHit@1の改善)を達成する。

関連論文リスト

• KG-FIT: Knowledge Graph Fine-Tuning Upon Open-World Knowledge [63.19837262782962]
  知識グラフ埋め込み(KGE)技術は、知識グラフ内の実体と関係のコンパクトな表現を学習するために重要である。 本研究では、エンティティクラスタのセマンティックコヒーレントな階層構造を構築するKG-FITを紹介する。 ベンチマークデータセットFB15K-237、YAGO3-10、PrimeKGの実験は、最先端の訓練済み言語モデルに基づく手法よりもKG-FITの方が優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-26T03:04:26Z)
• KERMIT: Knowledge Graph Completion of Enhanced Relation Modeling with Inverse Transformation [19.31783654838732]
  大規模言語モデルを用いてコヒーレントな記述を生成し,クエリと回答のセマンティックなギャップを埋める。 また、逆関係を利用して対称グラフを作成し、KGCのための強化トレーニングサンプルを提供する。 提案手法は,WN18RRではHit@1が4.2%,FB15k-237ではHit@3が3.4%向上し,優れた性能を示した。
  論文  参考訳（メタデータ） (2023-09-26T09:03:25Z)
• Normalizing Flow-based Neural Process for Few-Shot Knowledge Graph Completion [69.55700751102376]
  FKGC (Few-shot Knowledge Graph completion) は、失明した事実を、無意味な関連のある事実で予測することを目的としている。 既存のFKGC手法はメートル法学習やメタラーニングに基づいており、しばしば分布外や過度に適合する問題に悩まされる。 本稿では,数ショット知識グラフ補完(NP-FKGC)のためのフローベースニューラルプロセスの正規化を提案する。
  論文  参考訳（メタデータ） (2023-04-17T11:42:28Z)
• Learning Customized Visual Models with Retrieval-Augmented Knowledge [104.05456849611895]
  我々は、ターゲットドメイン用にカスタマイズされたビジュアルモデルを構築するための、関連するWeb知識を取得するためのフレームワークであるREACTを提案する。 我々は、Webスケールデータベースから最も関連性の高い画像テキストペアを外部知識として検索し、元の重みをすべて凍結しながら、新しいモジュール化されたブロックをトレーニングするだけで、モデルをカスタマイズすることを提案する。 REACTの有効性は、ゼロ、少数、フルショット設定を含む分類、検索、検出、セグメンテーションタスクに関する広範な実験を通じて実証される。
  論文  参考訳（メタデータ） (2023-01-17T18:59:06Z)
• Semantic Enhanced Knowledge Graph for Large-Scale Zero-Shot Learning [74.6485604326913]
  我々は、専門知識とカテゴリ意味相関の両方を含む新しい意味強化知識グラフを提供する。 知識グラフの情報伝達のために,Residual Graph Convolutional Network (ResGCN)を提案する。 大規模画像Net-21KデータセットとAWA2データセットを用いた実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-12-26T13:18:36Z)
• Using Graph Algorithms to Pretrain Graph Completion Transformers [8.327657957422833]
  自己教師付き事前トレーニングは、下流グラフ、リンク、ノード分類タスクのパフォーマンスを向上させることができる。 複数のグラフアルゴリズムを用いて構築し,外部データと組み合わせない5種類の事前学習信号について検討する。 本稿では,情報ゲインによって誘導される経路探索アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-14T01:41:10Z)
• KRACL: Contrastive Learning with Graph Context Modeling for Sparse Knowledge Graph Completion [37.92814873958519]
  知識グラフ埋め込み (KGE) は、エンティティと関係を低次元空間にマッピングすることを目的としており、知識グラフ補完のためのテキストファクト標準となっている。 既存のKGE手法の多くは、知識グラフの頻度が低いエンティティを予測しにくいため、スパーシティの課題に悩まされている。 グラフコンテキストとコントラスト学習を用いて,KGの広がりを緩和する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2022-08-16T09:17:40Z)
• KGNN: Distributed Framework for Graph Neural Knowledge Representation [38.080926752998586]
  我々は,分散学習システムにおける表現学習のための知識データを完全に活用するために,KGNNと呼ばれる新しいフレームワークを開発した。 KGNNは、高次構造と属性情報を共同で探索することを目的とした、GNNベースのエンコーダと知識認識デコーダを備えている。
  論文  参考訳（メタデータ） (2022-05-17T12:32:02Z)
• KGE-CL: Contrastive Learning of Knowledge Graph Embeddings [64.67579344758214]
  本稿では,知識グラフ埋め込みのための簡易かつ効率的な学習フレームワークを提案する。 これは、関連するエンティティと異なる三重項におけるエンティティ-リレーションのカップルのセマンティック距離を短縮することができる。 WN18RRデータセットで51.2% MRR、46.8% Hits@1、59.1% MRR、51.8% Hits@1、YAGO3-10データセットで達成できる。
  論文  参考訳（メタデータ） (2021-12-09T12:45:33Z)
• Conditional Attention Networks for Distilling Knowledge Graphs in Recommendation [74.14009444678031]
  本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。 本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。 そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
  論文  参考訳（メタデータ） (2021-11-03T09:40:43Z)
• Robust Knowledge Graph Completion with Stacked Convolutions and a Student Re-Ranking Network [6.952242545832663]
  テキストエンティティ表現を利用した深層畳み込みネットワークを構築した。 進化的ネットワークからの知識を学生ネットワークに蒸留し、有望な候補を再度ランク付けする。 この再ランクステージは、パフォーマンスをさらに向上させ、知識グラフの補完のためにエンティティを再ランク付けする効果を実証する。
  論文  参考訳（メタデータ） (2021-06-11T18:01:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。